一种自动识别车辆指针式仪表盘示数的方法与流程

本发明属于计算机视觉和深度学习，具体涉及一种自动识别车辆指针式仪表盘示数的方法。

背景技术：

1、车辆上有各种指针式仪表盘用于记录车辆的状态信息，每次出车都需要记录，车辆行驶里程、油量等重要信息。目前大都是出车结束一段时间之后通过手工记录，由于间隔时间较长存在记忆误差，导致记录的错误率较高。因此，需要一种自动识别仪表盘信息的方法。

2、现有的仪表盘识别方法只能识别强光拍摄下表盘清晰、拍摄的图像质量较高的仪表盘，对于表盘有灰尘，拍摄反光等导致的图像质量不高的仪表盘识别效果不佳。同时，现有的深度学习方法由于模型参数量较大很难直接应用到嵌入式设备上。因此，迫切需要一种适用于嵌入式手持设备的兼顾识别速度和精度的仪表盘示数自动识别方法。

技术实现思路

1、(一)要解决的技术问题

2、本发明要解决的技术问题是如何提供一种自动识别车辆指针式仪表盘示数的方法，以解决兼顾识别速度和精度的自动识别仪表盘问题。

3、(二)技术方案

4、为了解决上述技术问题，本发明提出一种自动识别车辆指针式仪表盘示数的方法，该方法包括如下步骤：

5、s1、仪表盘区域切割：输入待识别的图片，并切割仪表盘区域，得到只包含一个仪表盘的图像；

6、s2、仪表盘刻度数字识别：采用光学字符识别技术进行仪表盘图像数字提取，同时得到每个数字的二维检测框的位置；

7、s3、仪表盘刻度线分割：包括三个子步骤：分割刻度线所在的大致区域、仪表盘刻度线的分割、寻找距离刻度数字中心的位置最近的最长刻度线，并拟合刻度线所在直线；

8、s4、确定指针的圆心：找到两条刻度线所在直线，两条刻度线所在直线的交点即为指针的圆心；

9、s5、指针分割：包括三个子步骤，分割指针所在的大致区域、分割指针、拟合指针所在的直线；

10、s6、计算指针指示数值：包括四个子步骤：得到最小量程和最大量程ocr识别结果、拟合最小量程和最大量程的数字框和指针圆心所在的直线、分别计算指针与最小量程的夹角，最小量程和最大量程的夹角、计算指针指示数值。

11、(三)有益效果

12、本发明提出一种自动识别车辆指针式仪表盘示数的方法，本发明识别速度快，识别精度高，而且整体运算量小，适用于嵌入式设备。

技术特征：

1.一种自动识别车辆指针式仪表盘示数的方法，其特征在于，该方法包括如下步骤：

2.如权利要求1所述的自动识别车辆指针式仪表盘示数的方法，其特征在于，所述s1具体包括：

3.如权利要求1所述的自动识别车辆指针式仪表盘示数的方法，其特征在于，所述s2中，光学字符识别技术采用适用于移动端的超轻量模型chinese_ocr_db_crnn_mobi le；模型的网络结构包括两部分：二值化模块db(sdifferentiable binarization)和卷积递归神经网络crnn(sconvolutional recurrent neuralnetwork)，前者用于检测文字所在区域，后者用于文本识别。

4.如权利要求1-3任一项所述的自动识别车辆指针式仪表盘示数的方法，其特征在于，所述s3具体包括如下步骤：

5.如权利要求4所述的自动识别车辆指针式仪表盘示数的方法，其特征在于，所述s22中，分割的方法采用轻量级mobile-sam模型。

6.如权利要求4所述的自动识别车辆指针式仪表盘示数的方法，其特征在于，所述s23中，刻度线的长度为刻度线分割的矩形框的最长边长，直线拟合采用最小二乘法。

7.如权利要求4所述的自动识别车辆指针式仪表盘示数的方法，其特征在于，所述s5具体包括如下步骤：

8.如权利要求7所述的自动识别车辆指针式仪表盘示数的方法，其特征在于，所述s52中，指针分割采用seg-anything算法。

9.如权利要求7所述的自动识别车辆指针式仪表盘示数的方法，其特征在于，所述s6具体包括如下步骤：

10.如权利要求9所述的自动识别车辆指针式仪表盘示数的方法，其特征在于，指针位于最小量程的左侧时的判定方法为：指针与最大量程的夹角＝指针与最小量程的夹角+最小量程和最大量程的夹角。

技术总结
本发明涉及一种自动识别车辆指针式仪表盘示数的方法，属于计算机视觉和深度学习技术领域。本发明的方法步骤包括：仪表盘区域切割、仪表盘刻度数字识别、仪表盘刻度线分割、确定指针的圆心、指针分割、计算指针指示数值。本发明提出一种自动识别车辆指针式仪表盘示数的方法，本发明识别速度快，识别精度高，而且整体运算量小，适用于嵌入式设备。

技术研发人员：梁翠萍,贺志洋,魏宇鋆,李子健
受保护的技术使用者：北京计算机技术及应用研究所
技术研发日：
技术公布日：2024/3/27